Genetic algorithm (original) (raw)
Genetický algoritmus (GA) je heuristická optimalizační metoda, řadící se mezi tzv. , inspirovaná přirozeným výběrem živočišných druhů, tj. evoluční biologií, užívaná k řešení složitých optimalizačních úloh, které nelze řešit konvenčními metodami jako např. metoda Lagrangeových multiplikátorů, lineární programování, kvadratické programování atd. znázornění křížení a mutace
| Property | Value |
|---|---|
| dbo:abstract | الخوارزمية الوراثية (بالإنجليزية: Genetic Algorithms) هي طريقة من طرق الاستمثال والبحث. يمكن تصنيف هذه الطريقة كإحدى طرق الخوارزميات التطورية التي تعتمد على تقليد عمل الطبيعة من منظور دارويني. تستعمل الخوارزمية الوراثية تقنية بحث لإيجاد حلولِ مضبوطة أَو تقريبية تحقق الأمثلية. الخوارزميات الوراثية تصنف على أنها من طرق البحث الشامل الاستدلالي (بالإنجليزية: Global search heuristics). وهي أيضا فئة معينة من الخوارزميات التطورية المعروفة كذلك بالحساب التطوري (بالإنجليزية: evolutionary computation) التي تستخدم تكنولوجيا مستوحاة من البيولوجيا التطورية مثل التوريث والطفرات والاختيار والتهجين (crossover). تعتبر الخوارزميات الجينية من التقنيات الهامة في البحث عن الخيار الأمثل من مجموعة حلول متوفرة لتصميم معين، وتعتمد مبدأ داروين في الاصطفاء حيث تقوم هذه المعالجة الوراثية بتمرير المزايا المثلى من خلال عمليات التوالد المتعاقبة، وتدعيم هذه الصفات، وتكون لهذه الصفات القدرة الأكبر على دخول عملية التوالد، وإنتاج ذرية أمثل، وبتكرار الدورة الوراثية تتحسن نوعية الذرية تدريجياً. (ar) Un algorisme genètic (GA, de l'anglès Genetic Algorithm) és una tècnica de cerca utilitzada en informàtica per a trobar solucions aproximades a problemes d'optimització i recerca. Els algorismes genètics són una classe particular que utilitzen tècniques inspirades per l'evolució biològica, com l', la mutació, la selecció i l'encreuament (també anomenada recombinació genètica). Els algorismes genètics s'implementen típicament com una simulació informàtica, en la qual una població de representacions abstractes (anomenades cromosomes) de solucions candidates (anomenades individus) a un problema d'optimització evoluciona cap a millors solucions. Tradicionalment, les solucions es representen com sèries binàries de 0 i 1, però les codificacions diferents són també possibles. L'evolució comença des d'una població d'individus completament fortuïts i passa a diferents generacions. En cada generació, l'aptitud de la població sencera s'avalua, se seleccionen múltiples individus de manera de la població actual (basada en la seva aptitud o idoneïtat), i es modifiquen, mutant o recombinant, per formar una nova població. La nova població s'utilitza en la següent iteració de l'algorisme. (ca) Genetický algoritmus (GA) je heuristická optimalizační metoda, řadící se mezi tzv. , inspirovaná přirozeným výběrem živočišných druhů, tj. evoluční biologií, užívaná k řešení složitých optimalizačních úloh, které nelze řešit konvenčními metodami jako např. metoda Lagrangeových multiplikátorů, lineární programování, kvadratické programování atd. znázornění křížení a mutace (cs) Οι Γενετικοί αλγόριθμοι ανήκουν στο κλάδο της επιστήμης υπολογιστών και αποτελούν μια μέθοδο αναζήτησης βέλτιστων λύσεων σε συστήματα που μπορούν να περιγραφούν ως . Είναι χρήσιμοι σε προβλήματα που περιέχουν πολλές /διαστάσεις και δεν υπάρχει αναλυτική μέθοδος που να μπορεί να βρει το βέλτιστο συνδυασμό τιμών για τις μεταβλητές ώστε το υπό εξέταση σύστημα να αντιδρά με όσο το δυνατόν με το επιθυμητό τρόπο. Ο τρόπος λειτουργίας των Γενετικών Αλγορίθμων είναι εμπνευσμένος από τη βιολογία. Χρησιμοποιεί την ιδέα της εξέλιξης μέσω , φυσικής επιλογής και διασταύρωσης. Οι Γενετικοί Αλγόριθμοι είναι αρκετά απλοί στην υλοποίησή τους. Οι τιμές για τις παραμέτρους του συστήματος πρέπει να κωδικοποιούνται με τρόπο ώστε να αναπαρασταθούν από μια μεταβλητή που περιέχει σειρά χαρακτήρων ή δυαδικών ψηφίων (0/1). Αυτή η μεταβλητή μιμείται το γενετικό κώδικα που υπάρχει στους ζωντανούς οργανισμούς. Αρχικά, ο Γενετικός Αλγόριθμος παράγει πολλαπλά αντίγραφα της μεταβλητής/γεννητικού κώδικα, συνήθως με τυχαίες τιμές, δημιουργώντας ένα πληθυσμό λύσεων. Κάθε λύση (τιμές για τις παραμέτρους του συστήματος) δοκιμάζεται για το πόσο κοντά φέρνει την αντίδραση του συστήματος στην επιθυμητή, μέσω μιας συνάρτησης που δίνει το μέτρο ικανότητας της λύσης και η οποία ονομάζεται (Σ.Ι). Οι λύσεις που βρίσκονται πιο κοντά στην επιθυμητή, σε σχέση με τις άλλες, σύμφωνα με το μέτρο που μας δίνει η Σ.Ι, αναπαράγονται στην επόμενη γενιά λύσεων και λαμβάνουν μια τυχαία μετάλλαξη. Επαναλαμβάνοντας αυτή τη διαδικασία για αρκετές γενιές, οι τυχαίες μεταλλάξεις σε συνδυασμό με την επιβίωση και αναπαραγωγή των γονιδίων/λύσεων που πλησιάζουν καλύτερα το επιθυμητό αποτέλεσμα θα παράγουν ένα γονίδιο/λύση που θα περιέχει τις τιμές για τις παραμέτρους που ικανοποιούν όσο καλύτερα γίνεται την Σ.Ι. Υπάρχουν διάφορες εκδοχές της παραπάνω διαδικασίας για τους Γ.Α από τις οποίες κάποιες περιλαμβάνουν και τη διασταύρωση (ζευγάρωμα) γονιδίων/λύσεων ώστε ο αλγόριθμος να φτάσει στο αποτέλεσμα πιο γρήγορα.Καθώς υπάρχει το (τυχαίο) συστατικό της μετάλλαξης και ζευγαρώματος, κάθε εκτέλεση του Γ.Α μπορεί να συγκλίνει σε διαφορετική λύση και σε διαφορετικό χρόνο. Η απόδοση του Γ.Α εξαρτάται επί το πλείστον από την συνάρτηση ικανότητας και συγκεκριμένα από το κατά πόσο το μέτρο της περιγράφει την βέλτιστη λύση.Οι γενετικοί αλγόριθμοι είναι ένα πεπερασμένο σύνολο οδηγιών για την εκπλήρωση ενός έργου, το οποίο δεδομένης μιας αρχικής κατάστασης θα οδηγήσει σε μια αναγνωρίσιμη τελική κατάσταση, και το οποίο προσπαθεί να μιμηθεί την διαδικασία της βιολογικής εξέλιξης. Οι γενετικοί αλγόριθμοι προσπαθούν να βρουν τη λύση ενός προβλήματος με το να προσομοιώνουν την εξέλιξη ενός πληθυσμού «λύσεων» του προβλήματος. Είναι μια τεχνική προγραμματισμού που εισήγαγε στα τέλη της δεκαετίας του 1960 ο Τζον Χόλαντ, ερευνητής του Ινστιτούτου της Σάντα Φε (ΗΠΑ). Οι γενετικοί αλγόριθμοι είναι μια από τις βάσεις των Προγραμμάτων Τεχνητής Ζωής. Συγκεκριμένα, επιχειρεί να αναπαράγει στους υπολογιστές τους μηχανισμούς της βιολογικής εξέλιξης με τον ίδιο τρόπο που η τεχνητή νοημοσύνη επιχειρεί να αναπαραστήσει και να μιμηθεί τις διαδικασίες της γνώσης. Τα προγράμματα εξελίσσονται μέχρι να φτάσουν, μέσω μεταλλάξεων, διασταυρώσεων και φυσικής επιλογής, σε μια αποτελεσματική φόρμουλα η οποία θα εκτελεί με τον καλύτερο δυνατό τρόπο μια συγκεκριμένη εργασία. (el) In computer science and operations research, a genetic algorithm (GA) is a metaheuristic inspired by the process of natural selection that belongs to the larger class of evolutionary algorithms (EA). Genetic algorithms are commonly used to generate high-quality solutions to optimization and search problems by relying on biologically inspired operators such as mutation, crossover and selection. Some examples of GA applications include optimizing decision trees for better performance, solving sudoku puzzles, hyperparameter optimization, etc. (en) Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico. En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos, (AG). Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias, semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una selección. De acuerdo con algún criterio, se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles son los menos aptos, que son descartados. Los algoritmos genéticos se enmarcan dentro de los algoritmos evolutivos, que incluyen también las estrategias evolutivas, la programación evolutiva y la programación genética. (es) Algoritme genetik adalah teknik pencarian yang di dalam ilmu komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian. Algoritme genetik adalah kelas khusus dari algoritme evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (atau crossover) Algoritme Genetik pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. Dia beserta murid-murid dan teman kerjanya menghasilkan buku berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975. Algoritme Genetik khususnya diterapkan sebagai simulasi komputer di mana sebuah populasi representasi abstrak (disebut dari solusi-solusi calon (disebut individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional, solusi-solusi dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasi-generasi. Dalam tiap generasi, kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) tersebut secara stochastic (berdasarkan kemampuan mereka), lalu dimodifikasi (melalui mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari algoritme. (in) Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné. La solution est approchée par « bonds » successifs, comme dans une procédure de séparation et évaluation (branch & bound), à ceci près que ce sont des formules qui sont recherchées et non plus directement des valeurs. (fr) Een genetisch algoritme (GA) is een algoritme ontstaan in de kunstmatige intelligentie, dat gebruikt wordt om oplossingen te vinden voor optimalisatie- en zoekproblemen. Genetische algoritmen zijn een klasse binnen de . (nl) 遺伝的アルゴリズム（いでんてきアルゴリズム、英語：genetic algorithm、略称：GA）とは、1975年にミシガン大学のジョン・H・ホランド（John Henry Holland）によって提案された近似解を探索するメタヒューリスティックアルゴリズムである。人工生命同様、偶然の要素でコンピューターの制御を左右する。4つの主要な進化的アルゴリズムの一つであり、その中でも最も一般的に使用されている。 (ja) 유전 알고리즘(Genetic Algorithm)은 자연세계의 진화과정에 기초한 계산 모델로서 존 홀랜드(John Holland)에 의해서 1975년에 개발된 기법으로, 최적화 문제를 해결하는 기법의 하나이다. 생물의 진화를 모방한 진화 연산의 대표적인 기법으로, 실제 진화의 과정에서 많은 부분을 차용(채용)하였으며, 변이(돌연변이), 교배 연산 등이 존재한다. 또한 세대, 인구 등의 용어도 문제 풀이 과정에서 사용된다. (ko) Algorytm genetyczny – rodzaj heurystyki przeszukującej przestrzeń alternatywnych rozwiązań problemu w celu wyszukania najlepszych rozwiązań. Sposób działania algorytmów genetycznych nieprzypadkowo przypomina zjawisko ewolucji biologicznej, ponieważ ich twórca John Henry Holland właśnie z biologii czerpał inspiracje do swoich prac. Obecnie zalicza się go do grupy algorytmów ewolucyjnych. (pl) Un algoritmo genetico è un algoritmo euristico utilizzato per tentare di risolvere problemi di ottimizzazione per i quali non si conoscono altri algoritmi efficienti di complessità lineare o polinomiale. L'aggettivo "genetico", ispirato al principio della selezione naturale ed evoluzione biologica teorizzato nel 1859 da Charles Darwin, deriva dal fatto che, al pari del modello evolutivo darwiniano che trova spiegazioni nella branca della biologia detta genetica, gli algoritmi genetici attuano dei meccanismi concettualmente simili a quelli dei processi biochimici scoperti da questa scienza. (it) Генети́ческий алгори́тм (англ. genetic algorithm) — эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. (ru) Генети́чний алгори́тм (англ. genetic algorithm) — це еволюційний алгоритм пошуку, що використовується для вирішення задач оптимізації і моделювання шляхом послідовного підбору, комбінування і варіації шуканих параметрів з використанням механізмів, що нагадують біологічну еволюцію. Особливістю генетичного алгоритму є акцент на використання оператора «схрещення», який виконує операцію рекомбінацію рішень-кандидатів, роль якої аналогічна ролі схрещення в живій природі. «Батьком-засновником» генетичних алгоритмів вважається Джон Голланд (англ. John Holland), книга якого «Адаптація в природних і штучних системах» (англ. Adaptation in Natural and Artificial Systems) є фундаментальною в цій сфері досліджень. (uk) Um algoritmo genético (AG) é uma técnica de busca utilizada na ciência da computação e em investigação operacional para achar soluções aproximadas em problemas de otimização e busca, fundamentado principalmente pelo americano John Henry Holland.Algoritmos genéticos são uma classe particular de algoritmos evolutivos que usam técnicas inspiradas pela biologia evolutiva como hereditariedade, mutação, seleção natural e recombinação (ou crossing over). Alguns exemplos do uso de AG incluem otimização de aprendizagem de árvore de decisão para melhor performance, resolução de algoritmo de sudoku, , e etc. (pt) 遗传算法（英語：Genetic Algorithm，GA）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的（称为个体）可抽象表示为染色體，使种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中评价整个种群的适应度，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。 (zh) |
| dbo:thumbnail | wiki-commons:Special:FilePath/St_5-xband-antenna.jpg?width=300 |
| dbo:wikiPageExternalLink | http://cobweb.cs.uga.edu/~potter/CompIntell/ga_tutorial.pdf https://mpatacchiola.github.io/blog/2017/03/14/dissecting-reinforcement-learning-5.html https://archive.org/details/TheSimpleG_00_Vose https://archive.org/details/geneticprogrammi00wolf https://www2.econ.iastate.edu/tesfatsi/holland.gaintro.htm http://cs.gmu.edu/~sean/book/metaheuristics/ https://ghostarchive.org/archive/20221009/http:/cobweb.cs.uga.edu/~potter/CompIntell/ga_tutorial.pdf https://web.archive.org/web/20130615042000/http:/samizdat.mines.edu/ga_tutorial/ga_tutorial.ps https://web.archive.org/web/20160303215222/http:/www.geneticprogramming.com/ga/index.htm https://www.sciencedirect.com/science/article/pii/S0304397598000048/pdf%3Fmd5=28a658a4dc5aef635bbf3c8560129925&pid=1-s2.0-S0304397598000048-main.pdf&_valck=1 http://www-personal.umich.edu/~axe/research/Evolving.pdf http://www.i4ai.org/EA-demo/ https://archive.org/details/adaptationinnatu00holl http://www.it-weise.de/projects/book.pdf https://www.staracle.com/general/evolutionaryAlgorithms.php |
| dbo:wikiPageID | 40254 (xsd:integer) |
| dbo:wikiPageInterLanguageLink | dbpedia-sv:Genetisk_programmering |
| dbo:wikiPageLength | 65403 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1122958666 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Candidate_solution dbr:Princeton,_New_Jersey dbr:Propagation_of_schema dbr:List_of_genetic_algorithm_applications dbr:Meme dbr:Mutation_(genetic_algorithm) dbr:No_free_lunch_in_search_and_optimization dbr:Memetic_algorithm dbr:Metaheuristic dbr:Online_optimization dbr:Particle_filter dbr:Algorithm dbr:Cultural_algorithm dbr:University_of_Michigan dbr:David_B._Fogel dbr:Decision_problem dbr:Decision_tree_learning dbr:Derivative-free_optimization dbr:Ingo_Rechenberg dbr:Interactive_evolutionary_computation dbr:Ant_colony_optimization dbr:Universal_Darwinism dbc:Search_algorithms dbr:Estimation_of_distribution_algorithm dbr:Gaussian_adaptation dbr:Genetic_algorithm_scheduling dbr:Genetic_drift dbr:Genetic_operator dbr:Genetic_programming dbr:Genetic_representation dbr:Genotype dbr:Natural_selection dbr:Object_(computer_science) dbr:Optimization_(mathematics) dbr:Engineering dbr:Gene_expression_programming dbr:Global_optimum dbr:Multi_expression_programming dbr:Convergence_(evolutionary_computing) dbr:Cross-entropy_method dbr:Crossover_(genetic_algorithm) dbr:The_New_York_Times dbr:Ergodicity dbr:Holland's_Schema_Theorem dbr:Objective_function dbr:Pittsburgh,_Pennsylvania dbr:MATLAB dbr:Simulated_annealing dbr:Steven_Skiena dbr:Stochastics dbr:Cluster_analysis dbr:Computational_fluid_dynamics dbr:Computer_science dbr:Computer_simulation dbr:Feasible_region dbr:John_Koza dbr:Parallel_algorithm dbr:Particle_swarm_optimization dbr:Population dbr:Tabu_search dbc:Machine_learning dbc:Cybernetics dbr:Tree_(data_structure) dbr:Data_structure dbr:Estimation_of_Distribution_Algorithm dbr:Learning_classifier_system dbr:Linear_genetic_programming dbr:Linked_list dbr:Local_optimum dbr:Local_search_(optimization) dbr:Grammatical_Evolution dbr:Gray_coding dbr:Active_learning_(machine_learning) dbr:Alan_Turing dbr:Evolutionary_Computation dbr:Nils_Aall_Barricelli dbc:Genetic_algorithms dbr:Chromosomal_inversion dbr:Chromosome dbr:Differential_evolution dbr:Global_optimization dbr:Hill_climbing dbr:Iteration dbr:Floating_point dbr:Reinforcement_learning dbr:Hans-Joachim_Bremermann dbr:Hans-Paul_Schwefel dbr:Hyperparameter_optimization dbr:Artificial_selection dbr:Alex_Fraser_(scientist) dbr:John_Henry_Holland dbr:John_Markoff dbr:Lawrence_J._Fogel dbr:Bin_packing_problem dbr:Bit_array dbr:Heuristic dbc:Evolutionary_algorithms dbr:Associative_array dbc:Digital_organisms dbr:CMA-ES dbr:Phenotype dbr:Evolutionary_algorithms dbr:Mean_fitness dbr:Metaheuristics dbr:Institute_for_Advanced_Study dbr:Integer dbr:Integer_linear_programming dbr:Operations_research dbr:Cartesian_genetic_programming dbr:Search_algorithm dbr:Cellular_automata dbr:Knapsack_problem dbr:Markov_chain dbr:Schema_(genetic_algorithms) dbr:Selection_(genetic_algorithm) dbr:Swarm_intelligence dbr:Extremal_optimization dbr:Rule-based_machine_learning dbr:Evolution_strategy dbr:Evolutionary_algorithm dbr:Evolutionary_ecology dbr:Evolutionary_programming dbr:Evolver_(software) dbr:Fitness_(biology) dbr:Fitness_approximation dbr:Fitness_function dbr:Fitness_landscape dbr:Sudoku_solving_algorithms dbr:Interactive_evolutionary_algorithm dbr:Stochastic_optimization dbr:Neural_networks dbr:Average_information dbr:List_(computing) dbr:Artificial_evolution dbr:Evolutionary_computing dbr:Local_optima dbr:Bacteriologic_algorithm dbr:Emanuel_Falkenauer dbr:Grouping_genetic_algorithm dbr:File:St_5-xband-antenna.jpg |
| dbp:wikiPageUsesTemplate | dbt:Authority_control dbt:Blockquote dbt:Circular_reference dbt:Citation_needed dbt:Cite_book dbt:Cite_journal dbt:Main dbt:More_citations_needed_section dbt:Refbegin dbt:Refend dbt:Reflist dbt:Rp dbt:See_also dbt:Sfn dbt:Short_description dbt:Use_dmy_dates dbt:Self-published_inline dbt:Evolutionary_algorithms |
| dcterms:subject | dbc:Search_algorithms dbc:Machine_learning dbc:Cybernetics dbc:Genetic_algorithms dbc:Evolutionary_algorithms dbc:Digital_organisms |
| rdf:type | owl:Thing yago:WikicatOptimizationAlgorithmsAndMethods yago:WikicatSearchAlgorithms yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Algorithm105847438 yago:Event100029378 yago:Procedure101023820 yago:PsychologicalFeature100023100 yago:WikicatGeneticAlgorithms yago:YagoPermanentlyLocatedEntity yago:Rule105846932 yago:WikicatAlgorithms yago:WikicatEvolutionaryAlgorithms |
| rdfs:comment | Genetický algoritmus (GA) je heuristická optimalizační metoda, řadící se mezi tzv. , inspirovaná přirozeným výběrem živočišných druhů, tj. evoluční biologií, užívaná k řešení složitých optimalizačních úloh, které nelze řešit konvenčními metodami jako např. metoda Lagrangeových multiplikátorů, lineární programování, kvadratické programování atd. znázornění křížení a mutace (cs) In computer science and operations research, a genetic algorithm (GA) is a metaheuristic inspired by the process of natural selection that belongs to the larger class of evolutionary algorithms (EA). Genetic algorithms are commonly used to generate high-quality solutions to optimization and search problems by relying on biologically inspired operators such as mutation, crossover and selection. Some examples of GA applications include optimizing decision trees for better performance, solving sudoku puzzles, hyperparameter optimization, etc. (en) Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné. La solution est approchée par « bonds » successifs, comme dans une procédure de séparation et évaluation (branch & bound), à ceci près que ce sont des formules qui sont recherchées et non plus directement des valeurs. (fr) Een genetisch algoritme (GA) is een algoritme ontstaan in de kunstmatige intelligentie, dat gebruikt wordt om oplossingen te vinden voor optimalisatie- en zoekproblemen. Genetische algoritmen zijn een klasse binnen de . (nl) 遺伝的アルゴリズム（いでんてきアルゴリズム、英語：genetic algorithm、略称：GA）とは、1975年にミシガン大学のジョン・H・ホランド（John Henry Holland）によって提案された近似解を探索するメタヒューリスティックアルゴリズムである。人工生命同様、偶然の要素でコンピューターの制御を左右する。4つの主要な進化的アルゴリズムの一つであり、その中でも最も一般的に使用されている。 (ja) 유전 알고리즘(Genetic Algorithm)은 자연세계의 진화과정에 기초한 계산 모델로서 존 홀랜드(John Holland)에 의해서 1975년에 개발된 기법으로, 최적화 문제를 해결하는 기법의 하나이다. 생물의 진화를 모방한 진화 연산의 대표적인 기법으로, 실제 진화의 과정에서 많은 부분을 차용(채용)하였으며, 변이(돌연변이), 교배 연산 등이 존재한다. 또한 세대, 인구 등의 용어도 문제 풀이 과정에서 사용된다. (ko) Algorytm genetyczny – rodzaj heurystyki przeszukującej przestrzeń alternatywnych rozwiązań problemu w celu wyszukania najlepszych rozwiązań. Sposób działania algorytmów genetycznych nieprzypadkowo przypomina zjawisko ewolucji biologicznej, ponieważ ich twórca John Henry Holland właśnie z biologii czerpał inspiracje do swoich prac. Obecnie zalicza się go do grupy algorytmów ewolucyjnych. (pl) Un algoritmo genetico è un algoritmo euristico utilizzato per tentare di risolvere problemi di ottimizzazione per i quali non si conoscono altri algoritmi efficienti di complessità lineare o polinomiale. L'aggettivo "genetico", ispirato al principio della selezione naturale ed evoluzione biologica teorizzato nel 1859 da Charles Darwin, deriva dal fatto che, al pari del modello evolutivo darwiniano che trova spiegazioni nella branca della biologia detta genetica, gli algoritmi genetici attuano dei meccanismi concettualmente simili a quelli dei processi biochimici scoperti da questa scienza. (it) Генети́ческий алгори́тм (англ. genetic algorithm) — эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе. Является разновидностью эволюционных вычислений, с помощью которых решаются оптимизационные задачи с использованием методов естественной эволюции, таких как наследование, мутации, отбор и кроссинговер. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. (ru) Um algoritmo genético (AG) é uma técnica de busca utilizada na ciência da computação e em investigação operacional para achar soluções aproximadas em problemas de otimização e busca, fundamentado principalmente pelo americano John Henry Holland.Algoritmos genéticos são uma classe particular de algoritmos evolutivos que usam técnicas inspiradas pela biologia evolutiva como hereditariedade, mutação, seleção natural e recombinação (ou crossing over). Alguns exemplos do uso de AG incluem otimização de aprendizagem de árvore de decisão para melhor performance, resolução de algoritmo de sudoku, , e etc. (pt) 遗传算法（英語：Genetic Algorithm，GA）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的（称为个体）可抽象表示为染色體，使种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中评价整个种群的适应度，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。 (zh) الخوارزمية الوراثية (بالإنجليزية: Genetic Algorithms) هي طريقة من طرق الاستمثال والبحث. يمكن تصنيف هذه الطريقة كإحدى طرق الخوارزميات التطورية التي تعتمد على تقليد عمل الطبيعة من منظور دارويني. تستعمل الخوارزمية الوراثية تقنية بحث لإيجاد حلولِ مضبوطة أَو تقريبية تحقق الأمثلية. الخوارزميات الوراثية تصنف على أنها من طرق البحث الشامل الاستدلالي (بالإنجليزية: Global search heuristics). وهي أيضا فئة معينة من الخوارزميات التطورية المعروفة كذلك بالحساب التطوري (بالإنجليزية: evolutionary computation) التي تستخدم تكنولوجيا مستوحاة من البيولوجيا التطورية مثل التوريث والطفرات والاختيار والتهجين (crossover). (ar) Un algorisme genètic (GA, de l'anglès Genetic Algorithm) és una tècnica de cerca utilitzada en informàtica per a trobar solucions aproximades a problemes d'optimització i recerca. Els algorismes genètics són una classe particular que utilitzen tècniques inspirades per l'evolució biològica, com l', la mutació, la selecció i l'encreuament (també anomenada recombinació genètica). (ca) Οι Γενετικοί αλγόριθμοι ανήκουν στο κλάδο της επιστήμης υπολογιστών και αποτελούν μια μέθοδο αναζήτησης βέλτιστων λύσεων σε συστήματα που μπορούν να περιγραφούν ως . Είναι χρήσιμοι σε προβλήματα που περιέχουν πολλές /διαστάσεις και δεν υπάρχει αναλυτική μέθοδος που να μπορεί να βρει το βέλτιστο συνδυασμό τιμών για τις μεταβλητές ώστε το υπό εξέταση σύστημα να αντιδρά με όσο το δυνατόν με το επιθυμητό τρόπο. Είναι μια τεχνική προγραμματισμού που εισήγαγε στα τέλη της δεκαετίας του 1960 ο Τζον Χόλαντ, ερευνητής του Ινστιτούτου της Σάντα Φε (ΗΠΑ). (el) Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico. En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos, (AG). Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Los algoritmos genéticos se enmarcan dentro de los algoritmos evolutivos, que incluyen también las estrategias evolutivas, la programación evolutiva y la programación genética. (es) Algoritme genetik adalah teknik pencarian yang di dalam ilmu komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian. Algoritme genetik adalah kelas khusus dari algoritme evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (atau crossover) Algoritme Genetik pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. Dia beserta murid-murid dan teman kerjanya menghasilkan buku berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975. (in) Генети́чний алгори́тм (англ. genetic algorithm) — це еволюційний алгоритм пошуку, що використовується для вирішення задач оптимізації і моделювання шляхом послідовного підбору, комбінування і варіації шуканих параметрів з використанням механізмів, що нагадують біологічну еволюцію. (uk) |
| rdfs:label | خوارزميات وراثية (ar) Algorisme genètic (ca) Genetický algoritmus (cs) Genetischer Algorithmus (de) Γενετικοί Αλγόριθμοι (el) Algoritmo genético (es) Algorithme génétique (fr) Algoritma genetik (in) Genetic algorithm (en) Algoritmo genetico (it) 유전 알고리즘 (ko) 遺伝的アルゴリズム (ja) Genetisch algoritme (nl) Algorytm genetyczny (pl) Algoritmo genético (pt) Генетический алгоритм (ru) 遗传算法 (zh) Генетичний алгоритм (uk) |
| rdfs:seeAlso | dbr:List_of_genetic_algorithm_applications |
| owl:sameAs | freebase:Genetic algorithm dbpedia-nl:Genetic algorithm yago-res:Genetic algorithm http://d-nb.info/gnd/4265092-6 wikidata:Genetic algorithm dbpedia-af:Genetic algorithm dbpedia-ar:Genetic algorithm dbpedia-az:Genetic algorithm dbpedia-bg:Genetic algorithm http://bn.dbpedia.org/resource/বংশাণুভিত্তিক_অ্যালগরিদম dbpedia-ca:Genetic algorithm http://ckb.dbpedia.org/resource/ئەلگۆریتمی_جینەتیکی dbpedia-cs:Genetic algorithm dbpedia-da:Genetic algorithm dbpedia-de:Genetic algorithm dbpedia-el:Genetic algorithm dbpedia-es:Genetic algorithm dbpedia-et:Genetic algorithm dbpedia-fa:Genetic algorithm dbpedia-fi:Genetic algorithm dbpedia-fr:Genetic algorithm dbpedia-gl:Genetic algorithm dbpedia-he:Genetic algorithm http://hi.dbpedia.org/resource/जेनेटिक_एल्गोरिद्म dbpedia-hr:Genetic algorithm dbpedia-hu:Genetic algorithm dbpedia-id:Genetic algorithm dbpedia-it:Genetic algorithm dbpedia-ja:Genetic algorithm http://kn.dbpedia.org/resource/ಅನುವಂಶಿಕ_ಕ್ರಮಾವಳಿ dbpedia-ko:Genetic algorithm dbpedia-la:Genetic algorithm http://lt.dbpedia.org/resource/Genetinis_algoritmas http://lv.dbpedia.org/resource/Ģenētiskais_algoritms http://ml.dbpedia.org/resource/ജനിതക_അൽഗോരിതം dbpedia-no:Genetic algorithm dbpedia-pl:Genetic algorithm dbpedia-pt:Genetic algorithm dbpedia-ro:Genetic algorithm dbpedia-ru:Genetic algorithm dbpedia-simple:Genetic algorithm dbpedia-sk:Genetic algorithm dbpedia-sr:Genetic algorithm http://ta.dbpedia.org/resource/மரபுசார்_படிமுறைத்_தீர்வு dbpedia-th:Genetic algorithm dbpedia-tr:Genetic algorithm dbpedia-uk:Genetic algorithm dbpedia-vi:Genetic algorithm dbpedia-vo:Genetic algorithm dbpedia-zh:Genetic algorithm https://global.dbpedia.org/id/oMT3 |
| prov:wasDerivedFrom | wikipedia-en:Genetic_algorithm?oldid=1122958666&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/St_5-xband-antenna.jpg |
| foaf:isPrimaryTopicOf | wikipedia-en:Genetic_algorithm |
| is dbo:knownFor of | dbr:John_Henry_Holland |
| is dbo:wikiPageDisambiguates of | dbr:GA dbr:Genetic |
| is dbo:wikiPageRedirects of | dbr:History_of_genetic_algorithms dbr:Speciation_(genetic_algorithm) dbr:Genetic_Algorithm dbr:Applications_of_genetic_algorithms dbr:GATTO dbr:GEGA dbr:Darwinian_algorithm dbr:Genetic_algorithms dbr:Parallel_genetic_algorithms dbr:Optimization_using_genetic_algorithms dbr:Adaptive_genetic_algorithms dbr:Genethc_algorithm dbr:Genetic_Algorithms dbr:Building_block_hypothesis dbr:Theory_of_genetic_algorithms |
| is dbo:wikiPageWikiLink of | dbr:Case-based_reasoning dbr:Beamforming dbr:Prisoner's_dilemma dbr:Robert_R._Korfhage dbr:Sankar_Kumar_Pal dbr:Santa_Fe_Institute dbr:Electric_power_distribution dbr:Endorphin_(software) dbr:List_of_algorithm_general_topics dbr:List_of_computer_scientists dbr:List_of_genetic_algorithm_applications dbr:Metropolis–Hastings_algorithm dbr:Mutation_(genetic_algorithm) dbr:Neural_network dbr:Nurse_scheduling_problem dbr:Memetic_algorithm dbr:Metaheuristic dbr:Particle_filter dbr:Stylometry dbr:Procedural_texture dbr:Barry_H.V._Topping dbr:Bio-inspired_computing dbr:Dave_Thomas_(skeptic) dbr:Algorithm dbr:Algorithmic_art dbr:Algorithmic_skeleton dbr:Applications_of_evolution dbr:Approximation_algorithm dbr:Architectural_design_optimization dbr:History_of_genetic_algorithms dbr:How_to_Create_a_Mind dbr:Hugo_de_Garis dbr:List_of_metaphor-based_metaheuristics dbr:Resampling_(statistics) dbr:Risk_cybernetics dbr:Cultural_algorithm dbr:DNA_microarray dbr:DSSim dbr:University_of_South_Florida dbr:Vanishing_gradient_problem dbr:Venansius_Baryamureeba dbr:Dead-end_elimination dbr:Deep_learning dbr:Derivative-free_optimization dbr:Dynamic_game_difficulty_balancing dbr:Index_of_genetics_articles dbr:Inheritance_(genetic_algorithm) dbr:Intelligent_control dbr:Interactive_evolutionary_computation dbr:Interactive_storytelling dbr:Inverted_pendulum dbr:Sequence_alignment dbr:Lifemapper dbr:List_of_numerical_analysis_topics dbr:List_of_phylogenetics_software dbr:Portfolio_optimization dbr:Pose_(computing) dbr:Sparse_distributed_memory dbr:The_Age_of_Spiritual_Machines dbr:Promoter_based_genetic_algorithm dbr:RoboTuna dbr:Robot_Interaction_Language dbr:Mean-field_particle_methods dbr:Memetics dbr:Chemical_graph_generator dbr:Essynth dbr:Gatto dbr:Gaussian_adaptation dbr:Gene_Pool_(software) dbr:Generation_expansion_planning dbr:Generative_design dbr:Genetic_Algorithm_for_Rule_Set_Production dbr:Genetic_algorithm_scheduling dbr:Genetic_algorithms_in_economics dbr:Genetic_memory_(computer_science) dbr:Genetic_operator dbr:Genetic_programming dbr:Genetic_representation dbr:Genome_mining dbr:Natural_selection dbr:Online_analytical_processing dbr:Organic_(model) dbr:Pipe_network_analysis dbr:Wing-shape_optimization dbr:Speciation_(genetic_algorithm) dbr:Seismic_refraction dbr:Timeline_of_algorithms dbr:Clinical_decision_support_system dbr:Alex_Zunger dbr:Electric_Sheep dbr:Encog dbr:Gene dbr:Genetic_Algorithm dbr:Glossary_of_artificial_intelligence dbr:Golan_Levin dbr:Gray_code dbr:Monte_Carlo_method dbr:Connectionism dbr:Consensus_clustering dbr:Constructive_solid_geometry dbr:Context_mixing dbr:Core_War dbr:Crossover_(genetic_algorithm) dbr:Theo_Jansen dbr:Meta-optimization dbr:Weasel_program dbr:Ant_colony_optimization_algorithms dbr:Applications_of_genetic_algorithms dbr:Lossless_compression dbr:Luc_Steels dbr:Machine_learning dbr:Shoaling_and_schooling dbr:Silabenzene dbr:Simalto dbr:Sliding_mode_control dbr:Stochastic dbr:Clonal_selection_algorithm dbr:Complexity dbr:Complexity_(journal) dbr:Computational_biology dbr:Computational_creativity dbr:Computational_neurogenetic_modeling dbr:Computer-aided_process_planning dbr:Computer-automated_design dbr:Computer_Go dbr:Computer_chess dbr:Embarrassingly_parallel dbr:Emergent_algorithm dbr:Feasible_region dbr:Feature_selection dbr:Particle_swarm_optimization dbr:Population-based_incremental_learning dbr:Machine_ethics dbr:Machine_learning_control dbr:Machine_learning_in_bioinformatics dbr:Majority_problem_(cellular_automaton) dbr:Stochastic_universal_sampling dbr:Surrogate_model dbr:Swarm_behaviour dbr:Tabu_search dbr:Ayanna_Howard dbr:Adaptive_neuro_fuzzy_inference_system dbr:Travelling_salesman_problem dbr:Darwin_machine dbr:William_Shi-Yuan_Wang dbr:Docking_(molecular) dbr:Fuzzy_control_system dbr:GA dbr:GATTO dbr:Irreducible_complexity dbr:Job-shop_scheduling dbr:Junkyard_tornado dbr:Karl_Sims dbr:Lateral_computing dbr:Lattice_protein dbr:Learning_classifier_system dbr:Minimum-weight_triangulation dbr:AForge.NET dbr:American_fuzzy_lop_(fuzzer) dbr:DEAP_(software) dbr:Data_mining_in_agriculture dbr:Edge_of_chaos dbr:Alphabet_Synthesis_Machine dbr:Evolution dbr:Evolutionary_game_theory dbr:FatKat_(investment_software) dbr:Fityk dbr:Outline_of_finance dbr:Chromosome dbr:Chromosome_(genetic_algorithm) dbr:Differential_evolution dbr:Digital_electronics dbr:Digital_organism dbr:Direct_methods_(electron_microscopy) dbr:Fair_division_experiments dbr:Flow-shop_scheduling dbr:Fly_algorithm dbr:Force-directed_graph_drawing dbr:Georgia_Tourassi dbr:Gerhard_Klimeck dbr:Glucose-6-phosphate_translocase dbr:Hill_climbing dbr:Isoelectric_point dbr:Kalyanmoy_Deb dbr:Networked_control_system dbr:List_of_Equinox_episodes dbr:GEGA dbr:Genetic dbr:Randomness dbr:Recurrent_neural_network dbr:Reinforcement_learning dbr:Repast_(modeling_toolkit) dbr:HEMU-430X dbr:Janelle_Shane dbr:Jason_Kingdon dbr:Hydrological_optimization dbr:Artificial_life dbr:Advanced_process_control dbr:Johann_Gasteiger dbr:John_Henry_Holland dbr:K._Megan_McArthur dbr:Keith_C._Clarke dbr:Kevin_Warwick dbr:L-system dbr:Lead_Finder dbr:Biogeography-based_optimization dbr:Bioinformatics dbr:Bishwajit_Bhattacharjee dbr:Eight_queens_puzzle dbr:Heuristic_(computer_science) dbr:Holland's_schema_theorem dbr:Tierra_(computer_simulation) dbr:Tournament_selection dbr:Transposition_cipher dbr:Trial_and_error dbr:William_Latham_(computer_scientist) dbr:X-ray_reflectivity dbr:Douglas_Werner dbr:Artificial_immune_system dbr:Artificial_society dbr:Automatic_label_placement dbr:Automatic_summarization dbr:Autonomous_aircraft dbr:BELBIC dbr:Marketing_mix dbr:Sorting_network dbr:Grid_computing dbr:Group_selection dbr:Guided_local_search dbr:Human-based_computation dbr:Human-based_evolutionary_computation dbr:Human-based_genetic_algorithm dbr:Darwinian_algorithm dbr:NeuroDimension dbr:Neuroevolution dbr:Optimus_platform dbr:Automated_ECG_interpretation dbr:Red_Cedar_Technology dbr:SethBling dbr:World_Basketball_Manager dbr:Genetic_algorithms dbr:Markov_chain_Monte_Carlo dbr:Mastermind_(board_game) dbr:Multidisciplinary_design_optimization dbr:Multiple_sequence_alignment dbr:SDI_Tools dbr:Schema_(genetic_algorithms) dbr:Selection_(genetic_algorithm) dbr:NeuroSolutions dbr:Neuroevolution_of_augmenting_topologies dbr:Stochastic_tunneling dbr:Ethics_of_artificial_intelligence dbr:Eugene_Salamin_(mathematician) dbr:Eureqa dbr:Extremal_optimization dbr:Face_detection dbr:Facial_composite dbr:List_of_theorems dbr:List_of_theorems_called_fundamental dbr:Quality_control_and_genetic_algorithms dbr:Plant_Simulation dbr:Rule-based_machine_learning dbr:Searching_the_conformational_space_for_docking dbr:Evolution_strategy dbr:Evolutionary_algorithm dbr:Evolutionary_computation dbr:Evolutionary_multimodal_optimization dbr:Evolutionary_music dbr:Evolutionary_programming dbr:Evolved_antenna dbr:Evolver_(software) dbr:Finite_element_updating dbr:Fitness_function dbr:Fitness_landscape dbr:Fitness_proportionate_selection dbr:Tree_alignment dbr:Watchmaker_analogy dbr:NNPDF dbr:NP-completeness dbr:Sudoku_solving_algorithms dbr:Photonic_metamaterial dbr:Single-machine_scheduling dbr:Parallel_genetic_algorithms dbr:Tree_rearrangement dbr:TRANSYT-7F dbr:Truncation_selection dbr:Outline_of_machine_learning dbr:Outline_of_object_recognition dbr:Peter_J._Fleming dbr:Premature_convergence dbr:Stochastic_diffusion_search dbr:Unorganized_machine dbr:ShareThis dbr:Unrelated-machines_scheduling dbr:Two-dimensional_filter dbr:Types_of_artificial_neural_networks dbr:Table_of_metaheuristics dbr:Optimization_using_genetic_algorithms dbr:Adaptive_genetic_algorithms dbr:Genethc_algorithm |
| is foaf:primaryTopic of | wikipedia-en:Genetic_algorithm |
